A OpenAI lança o GPT-5 na API em três tamanhos de modelo, com novos controlos de formato e de raciocínio

O modelo da API não é o modelo do ChatGPT

A frase mais relevante para quem constrói sobre a plataforma está enterrada depois dos benchmarks: o GPT-5 na API é o modelo de raciocínio, e não o sistema de encaminhamento combinado com um modelo sem raciocínio que o ChatGPT apresenta aos utilizadores. A OpenAI é explícita ao afirmar que o gpt-5 com raciocínio mínimo é um modelo distinto do caminho sem raciocínio do ChatGPT, e que o modelo sem raciocínio do ChatGPT é exposto separadamente como gpt-5-chat-latest.

Isto é importante porque esclarece aos desenvolvedores o que estão de facto a invocar. O ChatGPT abstrai a seleção do modelo através de um sistema de encaminhamento; a API entrega diretamente o motor de raciocínio e exige que sejam os próprios a gerir os compromissos. Os três tamanhos — gpt-5, gpt-5-mini, gpt-5-nano — existem precisamente para que essas decisões de custo, latência e qualidade sejam tomadas por chamada, em vez de delegadas a um sistema de encaminhamento opaco.

As afirmações sobre eficiência acompanham as afirmações sobre pontuação

O GPT-5 obtém 74,9% no SWE-bench Verified, acima dos 69,1% do o3, e 88% no Aider polyglot, o que a OpenAI enquadra como uma redução de um terço na taxa de erro. Mas o número que a OpenAI optou por destacar a par do valor do SWE-bench refere-se ao consumo: em comparação com o o3 em esforço de raciocínio elevado, o GPT-5 utiliza 22% menos tokens de saída e 45% menos chamadas de ferramentas para atingir a mesma pontuação.

Para cargas de trabalho agênticas que encadeiam dezenas de chamadas de ferramentas, menos chamadas e menos tokens traduzem-se diretamente em faturas mais baixas e em menor latência. O resultado no τ2-bench para telecomunicações — 96,7%, num contexto em que nenhum modelo tinha superado 49% dois meses antes — é a afirmação agêntica mais relevante, mas a leitura prática é que a mesma execução do benchmark custa menos por tentativa. A OpenAI está a argumentar em termos de economia unitária, não apenas de capacidade.

Vale a pena registar a nota de transparência: a OpenAI omitiu 23 dos 500 problemas do SWE-bench que não seriam executáveis na sua infraestrutura e divulgou os IDs exatos das tarefas, além de ter substituído o avaliador do MultiChallenge, de GPT-4o para o3-mini, porque o avaliador predefinido classificava mal as respostas. Este tipo de ressalvas é o que determina se um benchmark se reproduz no ambiente de testes de cada equipa.

As ferramentas personalizadas trocam a fiabilidade do JSON por gramáticas em texto simples

O novo tipo de ferramentas personalizadas responde a um problema concreto, não a uma questão de marketing. A OpenAI nota que um JSON válido exige que o modelo faça escape de todas as aspas, barras invertidas, quebras de linha e caracteres de controlo, e que, em entradas longas — centenas de linhas de código ou um relatório de cinco páginas —, a probabilidade de um escape malformado aumenta. As ferramentas personalizadas permitem ao GPT-5 emitir as entradas das ferramentas em texto simples, limitadas por uma expressão regular fornecida pelo desenvolvedor ou por uma gramática livre de contexto completa.

A OpenAI reporta que o GPT-5 obtém pontuações semelhantes no SWE-bench Verified, quer utilize ferramentas personalizadas quer utilize ferramentas em JSON, o que é precisamente o ponto: a funcionalidade não visa melhorar o benchmark, mas eliminar uma categoria de falhas de análise em saídas longas. Combinado com o valor mínimo de reasoning_effort e com o parâmetro de verbosidade, o lançamento consiste, em grande parte, num conjunto de controlos que permitem aos desenvolvedores ajustar velocidade, extensão da saída e fiabilidade do formato por tarefa.

Uma janela de contexto de 400 mil tokens e taxas de alucinação mais baixas visam agentes sensíveis à exatidão

Todos os modelos GPT-5 da API aceitam até 272 000 tokens de entrada e emitem até 128 000 tokens de raciocínio e saída, totalizando 400 000 tokens. A OpenAI associou este dado a resultados de recuperação em contexto longo — 89% de acerto no BrowseComp Long Context entre 128K e 256K tokens — e a uma redução de aproximadamente 80% nos erros factuais em comparação com o o3, nos testes LongFact e FactScore, com a taxa de alucinação no LongFact-Objects a descer dos 6,8% do o3 para 1,2%.

A implicação concreta é que a OpenAI está a posicionar o GPT-5 para sistemas agênticos em que uma resposta incorreta se propaga através de chamadas de ferramentas subsequentes — alterações de código, operações de dados, ações de apoio ao cliente sobre estados mutáveis. Tokens mais baratos e menos chamadas reduzem o custo de operar esses agentes; taxas de alucinação mais baixas e mensagens de preâmbulo entre chamadas de ferramentas destinam-se a tornar o seu comportamento auditável. Os preços — 1,25 dólares por milhão de tokens de entrada e 10 dólares por milhão de tokens de saída para o gpt-5, descendo a 0,05 e 0,40 dólares para o nano — permitem às equipas encaminhar a recuperação simples e os passos mais básicos para modelos mais pequenos, reservando o modelo completo para as etapas em que a exatidão tem, de facto, custo real.